BNP PARIBAS & ARTEFACT unter AI für Finance by Artefact - Transformation des Geschäftsbankwesens mit AI

Pierre Ruhlmann erläuterte, wie die Bank ihre AI Initiativen um den Wert herum strukturiert. Das Programm stützt sich auf drei Säulen: Stämme, die Customer Journeys liefern, eine AI Factory für die Skalierung von Lösungen und ein Kompetenzzentrum für die Bewertung des Geschäftswerts und die Förderung der AI Kompetenz. Dieser organisatorische Rahmen wurde in den letzten vier Jahren umgesetzt und markiert das Ende der ersten Phase.

Pierre betonte, dass BNP Paribas den Wert in mehreren Dimensionen misst, nicht nur in Bezug auf die finanziellen Erträge. Während Kosteneinsparungen und Effizienz entscheidend sind, legt die Bank auch Wert auf Kundenzufriedenheit und Mitarbeiterengagement. Die Bank verwendet Net Promoter Scores (NPS), um zu ermitteln, wie sich die Funktionen von AI auf das Kundenerlebnis auswirken. Das Engagement der Mitarbeiter ist ebenso wichtig, um sicherzustellen, dass die Mitarbeiter die Vorteile von AI spüren, was dem doppelten Fokus der Bank auf Kunden und Mitarbeiter entspricht.

Pierre stellte Beispiele vor, wie die Bank ihre AI Lösungen skaliert, insbesondere in den Bereichen maschinelles Lernen für Scoring und intelligente Dokumentenverarbeitung. Obwohl BNP Paribas in diesen Bereichen erhebliche Investitionen getätigt hat, sind sie bei generativen AI Projekten weniger ausgereift. Zwei MVPs, "Gary" und "Genius Bar", befinden sich in der Entwicklung und konzentrieren sich auf das interne Wissensmanagement und die Verbesserung des Kundenservices. Beide Projekte müssen noch weiter optimiert werden, bevor sie vollständig industrialisiert werden können.

Das Gary-System soll die Mitarbeiter bei Produktprüfungen und Verfahren unterstützen. Obwohl 90 % der Belegschaft das System angenommen haben, sind bei der Umsetzung Probleme aufgetreten, z. B. Unstimmigkeiten in der Wissensbasis bei verschiedenen Verfahren. Die Beseitigung dieser Unstimmigkeiten ist von entscheidender Bedeutung, bevor die Lösung weiter skaliert werden kann. Gary ist ein entscheidender Schritt zur Verbesserung der internen Prozesse mit AI.

Genius Bar, der zweite wichtige MVP, zielt darauf ab, den Kundenservice zu verbessern, indem veraltete Chatbots durch eine generative AI Lösung ersetzt werden. Bei über einer Million erwarteter Interaktionen in den nächsten zwei Jahren erfordert die Industrialisierung dieser Lösung einen vorsichtigen Ansatz. Red-Teaming-Übungen waren entscheidend für die Identifizierung von Sicherheits- und Zuverlässigkeitsproblemen, die gepatcht wurden, um eine reibungslose Skalierung des Systems zu gewährleisten.

Pierre betonte die Akzeptanz von AI und führte Microsoft Copilot als Beispiel an. Ein Versuch mit 20 Mitarbeitern zeigte, dass trotz anfänglichem Interesse die Hälfte das Tool nicht mehr nutzte. Dies führte zu einem Champion-Programm und gezielten Schulungen. Die Bank skaliert Copilot nun vorsichtig, um eine gute Investitionsrentabilität zu gewährleisten.

Zu den Herausforderungen bei der Einführung gehört auch die Förderung eines kritischen Denkens bei den Mitarbeitern, um sicherzustellen, dass die Ergebnisse von AI richtig interpretiert werden. Angesichts des regulierten Charakters des Bankwesens müssen die Mitarbeiter vorsichtig sein, wenn sie sich ausschließlich auf die von AI generierten Lösungen verlassen wollen. Pierre ging auch auf die Befürchtung ein, dass AI Arbeitsplätze wegnehmen könnte, und versicherte den Mitarbeitern, dass AI ihre Arbeit ergänzen und nicht ersetzen wird. Er hob den Einsatz von AB-Tests hervor, um den Wert von Aufgaben zu vergleichen, die mit und ohne AI erledigt werden, was dazu beiträgt, das Vertrauen und das Verständnis für das Potenzial von AIinnerhalb der Organisation zu fördern.